CHƯƠNG 1.1 Lý do chọn đề tài Trong thời đại Cách mạng Công nghệ 4.0, trí tuệ nhân tạo đang dần xuất hiện trong mọi mặt của cuộc sống, từ các những trợ lý ảo, chatbot được tạo ra để phục vụ cho công việc, học tập và nghiên cứu cho đến những ứng dụng, hệ thông được tích hợp các công nghệ hiện đại như nhận diện khuôn mặt để xác thực người dùng trong việc chuyển tiền ngân hàng, định danh cá nhân trong hệ thống dữ liệu dân cư quốc gia. Một trong những lĩnh vực nổi bật của trí tuệ nhân tạo là thị giác máy tính (Computer Vision). Lĩnh vực này tập trung vào việc tái tạo lại hệ thống thị giác của con người. Từ đó cho phép máy tính xách định và xử lý các đối tượng trong hình ảnh và video giống như cách của con người.
Ngày này, nhờ có lượng dữ liệu khổng lồ được chia sẻ trực truyến liên tục và áp dụng học sâu (Deep Learning) đã làm cho việc đào tạo những mô hình thị giác máy tính trở nên dễ dạng và có thể đạt được độ chính xác cao. Đặc biệt là khi việc chuyển đổi số ngày càng nhanh chóng sẽ tạo ra lượng lưu trữ lớn về hình ảnh khuôn mặt, do đó việc phát triển những phương pháp hiệu quả để truy xuất thông tin từ những bộ dữ liệu lớn về hình ảnh khuôn mặt có ý nghĩa rất lớn trong nhiều lĩnh vực như an nình, y tế, giáo dục. Từ các yếu tố trên, đề tài “Facial Image Retrieval in Large-scale Datasets” là một chủ đề hấp dẫn vì tính ứng dụng cao của nó.2 Mục tiêu Mục tiêu của đề tài là ứng dụng và phát triển được các công nghệ về trí tuệ nhân tạo, xử lý dữ liệu lớn để tạo ra mô hình có khả năng nhận diện và truy xuất thông tin từ tập dữ liệu lớn một cách nhanh chóng và chính xác. Cụ thể, để xây dựng được hệ thống như vậy ta cần đạt được những mục tiêu sau trong quá trình thực hiện: 2 - Xây dụng được hệ thống nhận diện hình ảnh khuôn mặt chính xác: Sử dụng các mô hình (model) đã được đào tạo sẵn và thay đổi để phù hợp với yêu cầu là có khả năng nhận diện khuôn mặt một cách chính xác.
- Tối ưu hóa khả năng truy xuất thông tin: Thử nghiệm những thuật toán truy xuất dữ liệu, từ đó chọn ra được mô hình có khả năng truy xuất nhanh chóng thông tin từ tập dữ liệu lớn - Xử lý dữ liệu đa dạng và phức tạp: Hệ thống phải có khả năng xử lý và truy xuất thông tin từ các bộ dữ liệu với đa dạng khuôn mặt, điều kiện khuôn mặt là chính diện và được chụp vào ban ngày. - Ứng dụng thực tiển: Áp dụng kết quả nghiên cứu vào các lĩnh vực thực tế như giáo dục, y tế, an ninh,. để tiết kiệm thời gian và công sức, cải thiện hiệu suất làm việc của trong người trong việc quản lý và truy xuất thông tin từ dữ liệu khuôn mặt.3 Ý nghĩa Đề tài này không chỉ mang tính nghiên cứu mà nó còn có thể mang lại những ảnh hưởng sâu rộng đối với các lĩnh vực khác nhau. Trong lĩnh vực an nình, các hệ thống truy xuất hình ảnh có thể được áp dụng để giám sát và phát hiện các hành động bất thường của phạm nhân, của những người có ý định phạm tội.
Nó cũng giúp việc tìm kiếm người mất tích trở nên dễ dàng hơn với việc lấy được thông tin từ những người đã tiếp xúc với họ. Đề tài này còn có ý nghĩa trong việc quản lý thông tin giúp tiết kiệm thời gian và công sức. Công nghệ truy xuất hình ảnh có thể giúp tự động hóa quy trình quản lý dữ liệu, giúp cải thiện hiệu xuất làm việc, giảm thiểu sai sót. Đề tài này cũng mở ra cách cửa cho các ứng dụng tiềm năng như theo dõi tình trạng sức khỏe, cải thiện trải nghiệm người dùng.
Tóm lại, không chỉ có ý nghĩa trong việc nghiên cứu, đề tài này còn mạng lại những lợi ích to lớn cho xã hội từ những ứng dụng của nó trong các lĩnh vực thực tế.1 Thị giác máy tính và bài toán Face Recognition 2.1 Thị giác máy tính 2.1 Định nghĩa Thị giác máy tính (Computer Vision - CV) là một lĩnh vực trong khoa học máy tính nhằm làm cho máy tính có thể tái tạo lại khả năng nhìn và xác định các vật thể như thị giác con người. Lĩnh vực này tập trung vào việc cho phép máy tính có thể trích xuất, phân tích và hiểu được các thông tin hữu ích một các tự động từ hình ảnh hoặc một chuỗi các hình ảnh. Hiểu trong trường hợp này có nghĩa là máy tính có thể chuyển đổi các hình ảnh đầu vào thành những mô tả có ý nghĩa và hữu ích với con người. Để làm được điều này cần phải những phát triển về cơ sở lý thuyết và thuật toán, từ đó tạo ra sự hiểu biết trực quan và tự động từ máy tính.
Nhờ vào việc có nhiều ứng dụng trong thực tế, CV đang dần trở thành một phần trong trung tâm của những công nghệ về trí tuệ nhân tạo.2 Phương thức hoạt động Hình 2.1: Phương thức hoạt động của thị giác máy tính CV hoạt động dựa trên đầu vào là các hình ảnh, chuỗi hình ảnh từ những thiết bị cảm biến ảnh, các mô hình trí tuệ nhân tạo, học máy,. Sau đó, các hình ảnh này sẽ được đưa đến thiết bị phiên dịch để xử lý bằng những mô hình được huấn luyện với những mục đích khác nhau như nhận diện khuôn mặt, nhận diện một đối tượng nào đó. Hình ảnh đã qua xử lý sẽ được dùng nhằm truy xuất thông tin để xem có thể tìm được bất kỳ nội dụng nào trùng khớp với nội dung hình ảnh hay không. Điều này được thực hiện thông qua các thuật toán tìm kiếm, truy vấn cùng với kết hợp những phương thức lưu trữ dư liệu hiện đại nhằm đạt được hiệu xuất tìm kiếm 4 tốt nhất.
Sau đó những thông tin truy xuất được sẽ được trả về cho phía người dùng nhằm cung cấp những thông tin phục vụ cho công việc, mục đích nào đó.3 Lịch sử của thị giác máy tính Trong những năm 1960, các nhà khoa học bắt đầu nghiên cứu những thuật toán để xử lý và phân tích dữ liệu trực quan nhưng vẫn còn một số hạn chế về khả năng tính toán của máy tính. Đến năm 1970, những thuật toán phức tạp hơn phục vụ cho xử lý hình ảnh và phát hiện đối tượng đã được phát triển. Trong đó phép biến đổi Hough (Hough transform) là một bước đột phá nhờ việc phát hiện được những đường thẳng và các dạng hình học khác nhau trong ảnh. Từ năm 1980 đến năm 1990, các nhà khoa học tiếp tục phát triển những thuật toán học máy cho CV có khả năng cải thiện độ chính xác theo thời gian.
Thuật toán phát hiện khuôn mặt đầu tiên là Viola- Jones được phát triển vào năm 2001 là điểm nhấn quan trọng nhất trong thời điểm bấy giờ. Đến khoảng năm 2010, các thuật toán học sâu đã tạo ra đợt cách mạng hóa trong ngành CV khi máy tính có thể học cách biểu diển dữ liệu theo cấp bậc. Tiếp đến là sự phát triển về các mạng nơ ron tích chập (Convolutional Neural Networks - CNN) kết hợp với lượng dữ liệu lớn là sự bùng nổ khi mà máy tính đã có thể phát hiện đối tượng, theo dõi chuyển động với hiệu xuất và kết quả cho độ chính xác cao hơn bao giờ hết. Ngày nay, CV là một lĩnh vực quan trọng và phát triển nhanh chóng với các ứng dụng vào lĩnh vực an ninh, y tế,.
Cùng với sự tiến bộ của trí tuệ nhân tạo, CV dự kiến sẽ tiếp tục phát triển và tạo ra những bước đột phá góp phần làm thay đổi cách chúng ta tương tác với dữ liệu hình ảnh trong tương lai.4 Ứng dụng của thị giác máy tính Hiện nay, có nhiều nghiên cứu đang được thực hiện trong lĩnh vực CV, nhưng hơn hết là các ứng dụng thực tế trong cuộc sống như công việc, y tế, cuốc sống hằng ngày,. đã chứng mình tầm quan trọng của CV. Một trong những động lức chính cửa sự phát triển này là dòng dữ liệu được lưu trữ, tạo ra từ các ứng dụng, thiết bị như điện thoại, hệ thống camera an nình, các hệ thống giám sát khác. Các dữ liệu này 5 đóng vai trò trong nhiều ngành, từ đó tạo ra nền tảng để huấn luyền các mô hình CV và giúp các mô hình này trở thành một phần không thể thiếu trong hoạt động của con người.
Các ứng dụng nổi bật hiên nay có thể kể đến như là Google Translate có thể sử dụng ảnh một ngôn ngữ lấy từ camera của điện thoại và có thể dịch ra gần như ngay lập tức. Ngoài ra còn có xe tự lái được phát triển dựa vào CV bằng việc xử lý dữ liệu đầu vào các hình ảnh xung quanh, cảm biến vật thể từ đó đưa ra những phân tích về thông tin trên đường.5 Những gì thị giác máy tính có thể làm Mặc dù có được tài nguyên là lượng dữ liệu lớn được tạo ra hằng ngày cùng với sự trợ giúp của học sâu giúp cho việc phát triển các ứng dụng một cách dễ dàng. Nhưng ta cần biết chính xác CV có thể làm được những gì, từ đó đưa ra quyết định sẽ áp dụng những công nghệ, mô hình, thuật toán vào dự án. Một số tác vụ chính của thị giác máy tính là: - Phân loại hình ảnh (Image classification): máy tính có thể thấy những vật thể trong hình ảnh và phân loại những vật thể, hình ảnh đó vào một lớp nhất định.
Ví dụ: một mạng xã hội có thể xử dụng hệ thống phân loại để xác định những hình ảnh có nội dung phản cảm mà người dùng đưa lên. - Theo dõi đối tượng (Object tracking): máy tính theo dõi một đối tường nào đó từ đó xác định được hành vị, vị trí của đối tượng đó. Ví dụ: xe tự lái sẽ theo dõi các hình ảnh của các vật thể xung quanh từ đó xác định vị trí của các vật thể đó. - Phát hiện đối tượng (Object detection): máy tính sử dụng phân loại hình ảnh để xác định những đối tượng được quy định sẵn trong hình ảnh đó.
Ví dụ: hệ thống nhận diện biển số xe trong các hầm xe.2 Bài toán Face Recognition 2.1 Mô tả bài toán 6 Face Recognition (DR) là một trong những bài toán phổ biến nhất trong CV, đây là bài toán nhận dạng và xác thực người dựa vào khuôn mặt của họ. Cho đến tận ngày nay đây đã có nhiều nghiên cứu, mô hình được đưa ra để giải quyết bài toán này.